1、證券研究報告|行業深度 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 gszqdatemark 基礎化工基礎化工 AI for Science：化學研發的超級范式化學研發的超級范式 AI for Science：下一個超級應用。：下一個超級應用。AI For Science（AI4S）即人工智能驅動的科學研究，2024 年的英偉達 GTC 大會中，黃仁勛將大語言模型、具身智能、AI4S 并列為 AI 三大關鍵方向。通過建立通過建立相應的相應的 AI 垂類模型，垂類模型，AI4S 可以可以對對產品產品配方進行優化、配方進行優化、研發研發出升級出升級迭代迭代的新品的新品、對測試結果進對測試結果

2、進行建模預測行建模預測，為企業研發效率帶來切實的大幅提升。數據和算法數據和算法能在多維能在多維復雜問題中比人腦更好地抓住規律復雜問題中比人腦更好地抓住規律，一方面，AI4S 可以由原子尺度深入化學反應的本質，并通過 AI 與超算結合的方式尋求合成路徑、化合物結構、復配體系的最優解；另一方面，近年來快速發展的機器人“黑燈實驗室”可以 724 小時高效進行海量實驗，讓數據迎來質與量的同步飛躍，加速訓練 AI 模型，形成飛輪效應。新材料是新材料是 AI4S 的星辰大海的星辰大海。在新能源、半導體顯示、化工、合金材料四大新材料領域，AI4S 具備巨大的應用潛力。新能源：隨著晶泰科技簽訂五年 10 億元

3、鈣鈦礦訂單，新能源產業開始了對 AI4S 如何賦能鈣鈦礦、固態電池等前沿賽道的加速探索；半導體顯示：AI4S 在光刻膠、OLED 有機發光材料等迭代型產品方面應用潛力巨大；化工：傳統化工市場巨大，不乏有子行業面臨同質化競爭，亟需研發變革，而 AI4S 在配方優化、過程優化、新材料迭代、自動化等領域有望全方位給化工賦能；合金材料：組合可能性極豐富，AI4S 可以從微觀出發提供全新的思路，助力尋找下一代超級合金；在生物醫藥領域，曾困擾業界50年的蛋白質折疊問題因AlphaFold而取得了巨大突破，晶泰將輝瑞新冠藥上市時間縮短六個月亦是標志性案例，AI for 生物醫藥已經迎來加速滲透的“甜蜜點”。

4、商業化多級跳，商業化多級跳，AI for Science 遠期遠期擁抱擁抱萬億藍海萬億藍海。受 AI 技術的發展驅動，AI4S 也從早期的“科學輔助”跨越到了“范式革命”的新階段。而DeepSeek 的問世令企業可以本地化部署 DeepSeek 私域模型，解決了算力瓶頸，促使 AI4S 企業專注于能提供深度與經驗的垂類模型的搭建。遠期，AI4S 的空間能有多大？根據深勢科技創始人：AI4S 有望成長為千億有望成長為千億美金的巨大市場。美金的巨大市場。在化工、醫藥、新能源、合金、顯示、半導體六大領域中，AI4S 合計可覆蓋的下游市場規模接近 11 萬億美元。當研發滲透率達到 2.5%時，AI4S

5、 行業的規模約 149 億美元，若滲透率能提升至 25%，則 AI4S 將成長為年產值突破 1400 億美元 近萬億人民幣）的巨大市場。我國擁有我國擁有誕生誕生 AI for Science 巨頭巨頭最好的土壤最好的土壤。根據深度原理創始人：“在美國去工業化的背景下，材料化學領域的中國企業，正積極從生產轉向研發，故 AI for Science 在中國的落地機遇更為豐富”。我們觀察到，在AI4S 先行者中，不乏有晶泰科技、深度原理等海歸派 均孵化自美國 MIT），在美國創新藥產業發達的情況下毅然決定回國擁抱更大的材料市場。我國我國擁有最齊全的化學制造業門類、最完備的產業鏈擁有最齊全的化學制造業

6、門類、最完備的產業鏈。我們認為，我們認為，未來的未來的 AI4S全球全球龍頭龍頭有望有望率先率先誕生在中國誕生在中國。投資建議：投資建議：重視立足醫藥基本盤正在進軍新材料的 AI4S 龍頭晶泰控股晶泰控股，以及攜手中科大孵化企業正進軍 AI4S 的行業新銳志特新材志特新材。風險提示：風險提示：技術路線滲透不及預期，下游盈利不及預期，計算存在誤差。增持增持 維持維持）行業走勢行業走勢 作者作者 分析師分析師 楊義韜楊義韜 執業證書編號：S0680522080002 郵箱： 分析師分析師 尹樂川尹樂川 執業證書編號：S0680523110002 郵箱： 研究助理研究助理 宋雪瑩宋雪瑩 執業證書編號

7、：S0680123070011 郵箱： 研究助理研究助理 王瀚晨王瀚晨 執業證書編號：S0680123070027 郵箱： 相關研究相關研究 1、基礎化工：看好 AI FOR SCIENCE 在材料的應用潛力 2025-03-02 2、基礎化工：AI FOR SCIENCE 已進入加速涌現期 2025-02-16 3、基礎化工：鋁模板迎“出海大時代”，重視龍頭 2025-02-05 -20%-12%-4%4%12%20%2024-032024-072024-112025-03基礎化工滬深3002025 03 09年 月 日 gszqdatemark P.2 請仔細閱讀本報告末頁聲明請仔細閱讀本

8、報告末頁聲明 內容目錄內容目錄 1.什么是 AI for Science？.4 1.1.AI for Science 是化學研發的超級范式.4 1.2.遠景：從超算跨越至量子計算.7 2.AI for Science 蘊藏著巨大的應用潛力.8 2.1.新材料：AI for Science 的星辰大海.9 2.1.1.新能源：AI4S 正在探索固態電池、鈣鈦礦等前沿領域的性能邊界.9 2.1.2.半導體、新型顯示：行業高頻迭代，AI4S 助力迭代加速.10 2.1.3.合金材料：AI4S 正在改寫研究范式.12 2.1.4.化工：市場巨大、傳統領域亟需變革，AI4S 大有可為.13 2.2.生物

9、醫藥：AI4S 或已進入加速滲透的“甜蜜點”.14 3.商業化多級跳，AI for Science 遠期擁抱萬億藍海.18 3.1.AI 進化史即 AI for Science 的發展史.18 3.2.DeepSeek 解決算力瓶頸，AI4S 再加速.19 3.3.AI for Science 的遠期空間有多大？.20 4.我國擁有誕生 AI for Science 巨頭最好的土壤.21 4.1.晶泰控股 2228.HK）：全球 AI4S 標桿企業.22 4.2.中科大孵化：機數量子、微觀紀元.25 4.2.1.機數量子：AI+機器人實驗驅動新材料研發.26 4.2.2.微觀紀元：量子計算驅動

10、的 AI4S 材料研發軟件商.27 5.風險提示.30 圖表目錄圖表目錄 圖表 1：AI 能夠在“讀-算-做”各環節全面賦能材料研發.4 圖表 2：提升速度：GNoME 探索出了 381,000 種新的穩定材料，幾乎比以前的工作大了一個數量級.5 圖表 3：提高精度：GNoME 能對含有 5 種以上獨特元素的結構進行準確預測，人類科學家幾乎難以企及.5 圖表 4：近年來，機器人自動化實驗室快速發展.6 圖表 5：晶泰科技的機器人自動化“黑燈實驗室”.6 圖表 6：量子計算與超算的對比.7 圖表 7：傳統計算在處理蛋白質折疊等高復雜度問題時，難以完成搜索過程，而量子計算則可進行全局遍歷.7 圖表

11、 8：藥物與材料研發都是多尺度高維問題，共同關鍵在于探究結構與性質間的關系.8 圖表 9：在新能源領域，AI 可全面賦能化學研發.9 圖表 10：AI 篩選電解液配方，可以讓總研發時間縮短一半.10 圖表 11：IBM 利用 AI 加速光刻膠原料 PAG 的開發.11 圖表 12：用 AI 可以設計 OLED 分子結構.12 圖表 13：在金屬材料研發過程中，算力、算法、數據三者缺一不可.13 圖表 14：AI 能夠幫助研究人員從原子尺度解析納米催化劑表面結構動態效應與催化反應耦合機制.14 圖表 15：AlphaFold3 對 RNA 修飾蛋白復合物的結構預測結果與真實結構 灰色）非常吻合.

12、15 圖表 16：小分子藥物與大分子藥物對比示意圖.15 圖表 17：AI 與藥物開發的各環節相結合.15 圖表 18：理論上生命的所有信息都蘊藏在基因序列之中.16 圖表 19：AI 在合成生物學有巨大應用前景.17 圖表 20：可實現細胞內滲透的多肽設計工作在 AI 參與下提速.17 圖表 21：AI4S 發展歷程及關鍵技術突破事件.18 圖表 22：DeepSeek 推理能力與全球頭部閉源模型不分伯仲.19 圖表 23：DeepSeek 推理 API 價格低廉.19 圖表 24：全球 AI for Science 市場規模測算 億美元）.20 圖表 25：2023 年 Nature In

13、dex 材料科學研究指數.21 圖表 26：全球 AI4S 標的匯總.22 圖表 27：晶泰 AI+自動化的商業模式.23 2025 03 09年 月 日 gszqdatemark P.3 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表 28：晶泰控股三位聯合創始人背景.23 圖表 29：晶泰營收拆分及增速 億元）.24 圖表 30：晶泰各業務項目數 個）.24 圖表 31：公司小分子藥物發現系統.24 圖表 32：中科大具有強大的 AI4S 材料研發實力.26 圖表 33：機數量子 AI 化學家工程流程.27 圖表 34：“機器化學家”全流程示意圖.27 圖表 35：公司核心技術團隊

14、.28 圖表 36：微觀紀元為量子應用軟件藥物探索、化學化工中罕有的國內企業.28 圖表 37：公司量子計算藥物研發平臺.29 圖表 38：公司量子計算電子結構計算平臺.29 2025 03 09年 月 日 gszqdatemark P.4 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 1.什么是什么是 AI for Science？1.1.AI for Science 是是化學研發化學研發的超級的超級范式范式 AI For Science AI4S）即）即人工智能人工智能驅動的科學研究，驅動的科學研究，2024 年的英偉達 GTC 大會中，黃仁勛將大語言模型、具身智能、AI4S 并列為

15、AI 三大關鍵方向。通過建立相應的通過建立相應的 AI 垂類模垂類模型，型，AI4S 可以對產品配方進行優化、研發可以對產品配方進行優化、研發出升級出升級迭代迭代的新品、對測試結果進行建模預測的新品、對測試結果進行建模預測，為企業帶來研發效率切實的大幅提升。AI for Science能為化學研發做什么？能為化學研發做什么？以材料為例：傳統的材料研發模式近乎“煉金術”，而 AI 能夠在“讀-算-做”各環節全面賦能材料研發。1）讀：AI 的文獻閱讀速度顯著快于人類。通過閱讀文獻，AI 可以識別現有論文大綱中的分子式、圖片、表格等多模態數據，總結已有研究并生成新的研究思路；2）算：各種垂類模型為

16、AI 提供了進行科學分析的工具，AI 可以從設計仿真、表征測試、優化制備工藝等方式實現提速增效；3）做：再與自動化流程銜接后，AI 可以指導機器人自動完成試驗過程，調用預訓練模型分析所獲得的大量真實數據，不斷重復“Design-Build-Test-Learn”的閉環過程，就能得到最終優化后的產品解決方案。圖表1：AI 能夠在“讀-算-做”各環節全面賦能材料研發 資料來源：深勢科技，國盛證券研究所 2025 03 09年 月 日 gszqdatemark P.5 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 數據和算法能在多維復雜問題中比人腦更好地抓住規律數據和算法能在多維復雜問題中比人腦

17、更好地抓住規律。在問題維度少的時候，人腦相對容易找到規律。然而對于多維復雜問題而言，數據和算法往往能夠相比人腦更好地抓住規律。同時在原理層面，AI 建?？梢杂稍映叨壬钊氲交瘜W反應的本質，從而全方位地賦能化學研發。此外，AI 算法的核心之一是對工具的運用能力，目前已有的工具箱已經足夠豐富，因此更為核心的是知道在什么場景下去選擇運用哪種工具來解決問題的能力。將 AI 算法應用于科研領域時，還必須借助強大算力硬件、多尺度理論模型的幫助，進而提升速度、改善精度。多尺度建模多尺度建模提高精度：提高精度：在材料研發領域，科學家需要解決從亞原子到宏觀物體、從飛秒級運動到小時級生物過程等各時空尺度下的復雜問

18、題，需要在各個尺度上進行建模。量子力學第一性原理能夠在最小尺度上精確模擬物質，AI4S 可以從第一性原理出發（一般深入到原子、電子尺度）進行運算，確保精度。此外，AI4S 也能夠綜合利用分子動力學、計算流體力學等更宏觀尺度下的模型，跨尺度研究，規避單尺度的局限性。超級計算超級計算提升速度：提升速度：過去，在第一性原理精度下模擬具有 1 億個原子的體系需要用時60年，但超算時代，用時可縮短至僅1天。2023年底，GNoME（歌 DeepMind的材料研發模型）準確預測了一系列穩定的晶體結構，并從中生成了220萬種材料，但如果憑借人力計算出這些材料，需要花費 800 年。圖表2：提升速度：GNoM

19、E 探索出了 381,000 種新的穩定材料，幾乎比以前的工作大了一個數量級 圖表3：提高精度：GNoME 能對含有 5 種以上獨特元素的結構進行準確預測，人類科學家幾乎難以企及 資料來源：Nature，國盛證券研究所 資料來源：Nature，國盛證券研究所 AI 模型的訓練離不開數據的積累，近年來快速發展的機器人自動化實驗能讓數據迎來模型的訓練離不開數據的積累，近年來快速發展的機器人自動化實驗能讓數據迎來“質”與“量”的同步飛躍，“質”與“量”的同步飛躍，促使促使 AI 模型加速進化模型加速進化。高質量數據如同大語言模型的“語料”，是 AI4S 的金礦山。傳統科學實驗過程中的數據 尤其錯誤的

20、數據）往往不會被很完整地記錄下來，造成化學領域數據的缺失，因此需要通過 AI4S 結合自動化的方式積累用于訓練垂類模型的數據。AI4S 企業的數據來源有干實驗、濕實驗兩種，前者是數字化建模、提供用于虛擬篩選的數據，而 724 小時不間斷運行的機器人直接參與濕實驗，自動化完成投料、合成、稀釋、過濾和液質分析等系列過程，同時提升數據的規模和標準化程度，最終反哺給模型學習迭代，形成量變到質變的數據飛輪效應。2025 03 09年 月 日 gszqdatemark P.6 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表4：近年來，機器人自動化實驗室快速發展 資料來源：機器化學家的挑戰和機遇江俊

21、，晶泰科技，晶泰智造，北京大學材料科學與工程學院，測試匯大型服務平臺，國盛證券研究所 沉淀了模塊和系統能力的軟件架構是實現“黑燈實驗室”的關鍵沉淀了模塊和系統能力的軟件架構是實現“黑燈實驗室”的關鍵，例如，晶泰通過智能調度系統遠程可以操控百臺規模自動化工站和 AGV 小車，相比傳統方式效率大幅提升。圖表5：晶泰科技的機器人自動化“黑燈實驗室”資料來源：實驗室自動化與智能化行業白皮書，國盛證券研究所 AI4S 大體上具備兩類商業模式：大體上具備兩類商業模式：1）依托數據庫與）依托數據庫與技術平臺，技術平臺，擔任擔任（“鏟人人”（“鏟人人”角色角色。業內已經涌現出一批以 AI4S 為核心的企業，這

22、些企業既可以為客戶定制用于全新細分領域的 AI 垂類模型，賦能特定管線，又可以將反復淬煉后得到的 AI 垂類模型、平臺工具授權給客戶使用，平臺化發展。舉例而言，前者如晶泰控股為輝瑞新冠特效藥確定穩定晶型，后者如深勢科技開發的（“材料智能設計”科研軟件 SimpFine，能夠廣泛應用到電池原材料配方設計、溶液性能調優、合金材料成分設計、陶瓷工藝性能設計等多個領域；2）通過）通過 AI+自動化的研發范式獨立或自動化的研發范式獨立或與生產企業與生產企業聯合研發出“聯合研發出“AI 新材料”，新材料”，產業化后產業化后銷售盈利銷售盈利。時至今日，我們觀察到已經有企業能借助算法研發出高度定制化的新材料，

23、未來其中不乏能誕生出商業化前景巨大的超級“AI 新材料”。2025 03 09年 月 日 gszqdatemark P.7 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 1.2.遠景：從超算跨越至量子計算遠景：從超算跨越至量子計算 量子計算具備顛覆現有算力格局的潛力。量子計算具備顛覆現有算力格局的潛力。據新華社，我國“九章三號”量子計算原型機求解特定數學問題只需要百萬分之一秒，比超算快一億億倍，這種速度的差異核心在于兩者并行計算的邏輯大相徑庭。如果說超算是通過多核協作拆分任務的線性提速 如千萬級 CPU/GPU 并行處理），量子計算則是借助量子疊加態和糾纏態實現的指數級并行 n個量子比特可

24、同時處理 2 種狀態）。也即傳統計算機只能依次嘗試推開每扇門尋找出口，而量子技術如同施展了分身術同時推開所有門尋找出口。依靠于“既在此處又在彼處”的量子疊加特性，量子計算在處理復雜組合問題時如魚得水，運算速度爆炸式提升。圖表6：量子計算與超算的對比 對比維度對比維度 超算超算 量子計算量子計算 基本定義 通過大規模并行處理器集群 通常包含數萬至數百萬核心）處理復雜問題的經典計算系統?；诹孔恿W原理 疊加、糾纏、干涉），利用量子位 qubit）進行并行計算的系統 處理單元 經典位，僅能表示 0 或 1 量子位，可同時處于 0 和 1 的疊加態 并行機制 線性增長 堆 CPU 數量）指數增長 每

25、增加 1 比特，算力翻倍）現有挑戰 能力上限受芯片制程、散熱與能耗掣肘 量子比特數量增加導致退相干加劇 算法成熟度 生態成熟，但傳統算法難以突破復雜度瓶頸 量子算法種類有限 能耗 高功耗 耗電堪比小城市）理論能耗低 一度電解決超算問題），但實際需超低溫制冷，制冷機功耗大 資料來源：菁創薈，科學與技術研發中心，geeksforgeeks，2020 金融量子計算發展報告，墨子沙龍，IDC 圈，國盛證券研究所 量子計算特別適合求解藥物研發、分子模擬等具有量子計算特別適合求解藥物研發、分子模擬等具有“組合爆炸”“組合爆炸”特性的復雜優化問題。特性的復雜優化問題。例如在藥物研發領域，完整描述一個藥物與其

26、目標相互作用涉及數千個原子。自由能計算需要數十億個單點計算，超算模擬分子相互作用時，需逐個驗證數以億計的原子排列組合，而量子計算機能利用量子疊加態同步生成所有可能的分子構象，直接鎖定有效藥物結構，避免算力和計算時間的指數性增長，有望開啟藥物、材料研發的新紀元。圖表7：傳統計算在處理蛋白質折疊等高復雜度問題時，難以完成搜索過程，而量子計算則可進行全局遍歷 資料來源：新藥仿藥 CMC 實操討論視頻號：量子計算在新藥開發中的助力合肥微觀紀元數字科技有限公司，國盛證券研究所 2025 03 09年 月 日 gszqdatemark P.8 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 未來，未來，

27、AI 與量子計算的深度結合有望極大拓展與量子計算的深度結合有望極大拓展 AI4S 的能力邊界。的能力邊界?，F階段，AI4S 主要由 AI 與超算結合實現，而 AI 與量子計算的結合能夠加速在混沌中開辟精準推演通道的進程。在實踐方面，我國企業微觀紀元已與阿法納生物合作開發了國內首個基于量子計算和生物醫藥的藥物設計平臺 MiQro RNA，該平臺凝聚了經典算法和量子計算的強大力量，將 AI 技術與量子化學技術完美結合，提供了一個超越傳統的設計平臺，此平臺的發布不僅意味著量子計算在實際應用中的重大里程碑，也同樣預示著未來 mRNA 藥物研發領域的跨越式發展。2.AI for Science 蘊藏著巨

28、大的應用潛力蘊藏著巨大的應用潛力 物質科學與生命科學是物質科學與生命科學是 AI4S 的兩大主戰場，開發材料與新藥是最典型的應用場景。的兩大主戰場，開發材料與新藥是最典型的應用場景。曾困擾科學家 50 年之久的蛋白質折疊問題就是典型的高維問題，該難題因 AlphaFold 的出現而取得了巨大突破。這是因為在目標函數明確、數據量足夠的前提下，AI 學習與高性能計算的結合能夠以從頭計算的精度來模擬數億個原子的系統，模擬精度提升 5 個數量級，特別適合解決蛋白質折疊等傳統物理計算失效的多維場景。不局限于蛋白質，生命科學和物質科學領域多維問題層出不窮，而材料和藥物的開發正是典型的多維問題。圖表8：藥物

29、與材料研發都是多尺度高維問題，共同關鍵在于探究結構與性質間的關系 資料來源：北京科學智能研究院，國盛證券研究所 2025 03 09年 月 日 gszqdatemark P.9 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 2.1.新材料：新材料：AI for Science 的星辰大海的星辰大海 材料研發的重點在于對“構效關系”的研究。材料研發的重點在于對“構效關系”的研究。不同服役環境下的材料開發過程涉及到“組分-結構-工藝-性能”多個環節，實際的研究工作非常復雜，研究時需要對材料和環境的物理、化學及力學性質進行耦合建模，例如需要求解熱、力、電、輻照同時作用于固體、液體混合體系后的影響

30、等復雜問題。針對于此，材料的研發需要采用不同尺度的模擬方法，對被研究對象的物理性質、化學性質、生物性質做分析，并用實驗配合計算，以縮小材料創新的搜索空間，加速材料創新進程，尤其適合用 AI 智算來解決。2.1.1.新能源：新能源：AI4S 正在探索正在探索固態電池、鈣鈦礦固態電池、鈣鈦礦等前沿領域的性能邊界等前沿領域的性能邊界 AI 正加速鈣鈦礦、超分子、鋰離子電池、正極材料、碳硅材料等正加速鈣鈦礦、超分子、鋰離子電池、正極材料、碳硅材料等材料的研發。材料的研發。新材料的研發多屬于高維非線性優化問題，AI4S 這一新研究范式可以憑借統一數據建?？蚣?、跨尺度仿真能力和自主實驗平臺加速材料研發，推

31、動材料科學進入“智能設計”時代。圖表9：在新能源領域，AI 可全面賦能化學研發 資料來源：2023 版科學智能 AI4S）全球發展觀察與展望_北京科學智能研究院等，國盛證券研究所 AI 革新鈣鈦礦革新鈣鈦礦電池開發電池開發。鈣鈦礦材料具有優異的載流子擴散性能、易于溶液加工等優勢，有望成為下一代主流太陽能電池技術。AI4S 可以從鈣鈦礦制備工藝優化、表征數據分析和鈍化層材料篩選等多方面做出貢獻。舉例而言，傳統鈣鈦礦材料光譜表征數據分析過程冗長，而 AI 深度遷移學習在學習大量理論模擬數據后，僅僅需要少量實驗數據二次訓2025 03 09年 月 日 gszqdatemark P.10 請仔細閱讀本

32、報告末頁聲明請仔細閱讀本報告末頁聲明 練，就可以準確地從反射/透射光譜中獲得薄膜厚度，大幅減少數據分析所用的時間。2024年 8 月，晶泰科技與協鑫集團簽署了為期 5 年的戰略研發合作協議，為其提供鈣鈦礦等領域的新能源材料研發服務。AI 正在正在顛覆電池材料研發顛覆電池材料研發。以電解液配方的開發為例。深勢科技具備百萬級電解液配方篩選與分子設計能力，基于其開發的 Uin-ELF 電解液配方設計模型以及高精度分子動力學方法，其可對電解液分子和配方物性進行高通量高精度的快速預測，實現配方的設計和篩選，最終令性質預測精度高達 95%，配方設計研發周期縮短至原用時的 1/3。圖表10：AI 篩選電解液

33、配方，可以讓總研發時間縮短一半 資料來源：DP Technology，國盛證券研究所 再以固態電池開發為例，再以固態電池開發為例，全固態電池研發的一大難題是如何開發出穩定的電化學材料體系。受困于此，日本豐田在固態電池領域擁有全球最多的專利，過去 30 多年里嘗試了數萬種應用于電池的電解質，但至今未能實現量產。而 AI 可分析各類材料組合的穩定性和導電性，縮短傳統實驗中逐一驗證的時間成本。舉例而言，中科院物理所、字節跳動在共同開發新型硫化物固態電解質時都引入了 AI4S 的力量，借助基于深度學習的分子動力學方法 DeePMD 來模擬電解質的結構優化和離子遷移，研究團隊令模擬時間從幾十皮秒級別擴展

34、到幾十納秒量級，模擬系統中的原子數也從幾百個提高到幾千個，通過減少重復性驗證工作及加快相應工作速度，為企業省下巨量的時間和資源成本。2.1.2.半導體、新型顯示：半導體、新型顯示：行業高頻迭代，行業高頻迭代，AI4S 助力迭代助力迭代加速加速 在光電領域，AI 可以通過結合分子設計和構效關系模型，構建百萬級化合物庫，實現高通量篩選，更準確地預測材料或器件的光電性能，在光刻膠、OLED 藍光材料等難度最突出的領域做出貢獻。AI 能夠全面賦能半導體材料與器件的開發：能夠全面賦能半導體材料與器件的開發：在材料領域，光刻膠的開發無疑屬（“冠冠上的明珠”。而 PAG 光酸是光刻膠生產時必不可少的關鍵組分

35、。據 IBM，傳統開發流程中發現新分子可能需要長達十年的時間，生成式 AI 可以在 5 小時內完成 2000 個潛在 PAG的建模工作，確定有前途的候選分子后，再結合自動化化學反應器系統合成。得益于此，IBM 團隊利用 AI 在一年內合成了三種新型 PAG 候選藥物，顯著減少了時間和成本。在器件領域，名古屋大學開發出了可以預測長晶爐內部碳化硅單晶生長狀態的 AI 可視化系統，便于調控合成參數，能夠將大尺寸 SiC 晶體開發周期縮至原時長的 1/10 至 1/100，并且將結晶缺陷數量降至原來百分之一，提高了碳化硅襯底的成品率。2025 03 09年 月 日 gszqdatemark P.11

36、請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表11：IBM 利用 AI 加速光刻膠原料 PAG 的開發 資料來源：IBM，國盛證券研究所 OLED 發光材料國產化程度低，尤其藍光材料難度更上一層。發光材料國產化程度低，尤其藍光材料難度更上一層。OLED 終端材料具有較高的技術及專利壁壘，分子式結構復雜，且純度要求 6-8N。OLED 終端材料主要被日本、歐美企業壟斷。其中藍色材料由于激發能量較高，目前主要采用一代熒光技術，由日本出光興產壟斷，其專利端相較紅色、綠色材料具有更嚴格的限制。AI 推助推助 OLED 材料迭代開發。材料迭代開發。傳統 Oled 方法依賴于實驗和量子化學模擬，但

37、在分子空間探索上存在限制。AI 可以通過主動學習算法生成分子結構、預測物質屬性與合成方案。2024 年，三星研究團隊發表 A Novel OLED Material Discovery based on AI Technology文章中提及，該團隊采用生成對抗網絡和變分自動編碼器等人工智能技術來設計分子結構，成功設計了新型的藍色 TADF 熱活化延遲熒光）材料，將材料的使用壽命提升了20%。此外，全球 OLED 材料領軍企業 UDC 公司也表示其具備獨有 AI 模型，用于加速磷光 OLED 的研發工作。事實上，UDC 在全球摻雜及磷光領域占據絕對份額，已發布和在申請的專利超 6000 項，在藍

38、色磷光等產品體系布下層層專利封鎖，與 AI 的結合是UDC 在 OLED 材料領域久居霸主的關鍵支柱之一。2025 03 09年 月 日 gszqdatemark P.12 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表12：用 AI 可以設計 OLED 分子結構 資料來源：清華大學智能產業研究院，國盛證券研究所 2.1.3.合金材料：合金材料：AI4S 正在改寫研究范式正在改寫研究范式 金屬新材料市場空間廣闊，高端合金國產化率低。金屬新材料市場空間廣闊，高端合金國產化率低。高端合金是重要的工業新材料，下游廣泛應用于航空航天、軍工、新能源汽車、消費電子等領域，市場需求巨大。根據 202

39、3年 1-9 月數據，金屬材料產值占中國新材料行業比重約 20%。而我國高端合金國產化率不足，根據創材深造創始人，我國鋼鐵產能全球占比超 50%，但高附加值特種鋼材產能占比不足 5%，例如高溫合金等品類進口率達 50%。AI4S 在合金材料研發中具有應用的必要性。在合金材料研發中具有應用的必要性。合金研究的主要關注點是“成分+加工工藝”，目標是“強度、塑性、抗蠕變性能”等材料的真實服役性能。AI4S 可以從微觀出發，提供全新解決方案與思路。理論上，研發高性能合金材料需要在數百萬種可能的成分中確定左右性能組合的配方，AI4S 在具備一定前期研發數據的基礎上將會非常適用。通過 AI 技術的引入，一

40、方面可以解決高熵合金等復雜配比產品研發問題，另一方面可以大大減少研發時間、降低研發成本：賦能高熵合金的研發：賦能高熵合金的研發：高熵合金通常是 5 種或以上的金屬形成的合金材料，每種元素的原子百分比在 5-35%之間，配比復雜；而傳統領域 90%為低熵合金，單一元素占比高達 80-90%。在高熵合金中，基于難熔過渡元素的難熔高熵合金 RHEAS）具有更高的硬度、強度、耐腐蝕性、高溫抗力，高端領域應用潛力大。但難熔元素 如 Ta、W 和 Mo）對于密度的增加在應用端形成了限制，一種解決方法就是引入低密度元素（如 T、Al、V 和 Zr）來替代高密度元素。若使用傳統方法探索，需要很多科學家積累幾代

41、人的經驗才勉強能提煉出比較有限的物理模型，但是采用AI4S方法，可以建立“成分-結構-性能”之間的定量關系，通過數據融合處理、選擇特征工程、訓練模型學習數據集背后的規則并應用力學性能進行預測，篩選合金的相結構、密度、熔點、硬度和耐腐蝕性，從而得到所需的高熵合金。提升合金研發速度、降低研發成本：提升合金研發速度、降低研發成本：高端合金材料的行業特點為研發時間極長、驗證周期極短，研發時間極長：傳統方法需要大量的試驗和經驗積累，耗費時間和資源，研發周期可達幾十年，海外高端合金公司不乏起源于一戰、二戰的老企業，技術積累經歷百年技術沉淀；驗證周期極短：一旦金屬材料性能達標則可以快速進入生產銷售階段。Qu

42、esTek 是美國 AI+金屬龍頭廠商，其 Materials by Design平臺2025 03 09年 月 日 gszqdatemark P.13 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 以高通量材料計算為核心，集成了從微觀到宏觀的多尺度計算工具，集成接入熱力學計算、動力學計算、宏觀有限元軟件以及性能預測模型，面向航空航天、石油天然氣、生物醫藥等行業，開發了一系列前所未有的合金、涂層以及其他材料，相比傳統“試錯法”，新材料研發周期縮短 50%，成本降低 70%，產品涉及高強鋼、鋁合金、涂層、高溫合金以及新興的高熵合金。圖表13：在金屬材料研發過程中，算力、算法、數據三者缺一不可

43、 資料來源：財經雜志，國盛證券研究所 2.1.4.化工：市場巨大、傳統領域亟需變革，化工：市場巨大、傳統領域亟需變革，AI4S 大有可為大有可為 化工材料的研發是化工材料的研發是 AI 可以可以大放異彩大放異彩的領域。的領域。在化工材料領域，從單體合成到聚合物調控，再到復配體系篩選，AI 都可以參與其中，大大加速化工材料行業的產品開發速度。有機合成有機合成化學品 如農藥、醫藥中間體、化學品 如農藥、醫藥中間體、染料、催化劑等染料、催化劑等）：AI 長處可以充分施展長處可以充分施展的領域。的領域。代表性產品包括農藥、醫藥中間體、染料、有機顏料、催化劑、食品添加劑、合成香料等。究其原因，這些行業多

44、涉及復雜分子設計和多步驟反應，AI 既可以通過逆合成規劃與應可行性預測篩選最優合成路徑，也可以驅動自動化平臺完成高效實驗、對實驗數據做分析，提升產物良率與選擇性。以催化劑為例，所有工業制品中超過 80%都涉及催化劑。然而，現有催化劑面臨著反應過程中動態微觀結構演變不清晰、反應路徑不明確、催化劑數據庫缺失、全流程“炒菜試錯”現象嚴重等問題，極大制約了催化劑的發展。AI4S 能夠揭示活性位點、表面吸脫附反應過程，深入理解催化劑構效關系等本質原理。例如，深勢科技采用了基于機器學習分子動力學模擬與自由能計算的方法，發現納米團簇的表面會出現預熔化現象，從而導致催化活性隨溫度呈現非線性變化，為納米催化劑的

45、設計與優化提供全新的思路。2025 03 09年 月 日 gszqdatemark P.14 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表14：AI 能夠幫助研究人員從原子尺度解析納米催化劑表面結構動態效應與催化反應耦合機制 資料來源：深勢科技，國盛證券研究所 聚合物聚合物 如 如塑料、彈性體塑料、彈性體）：AI 驅動驅動產業研發朝精細化持續深化。產業研發朝精細化持續深化。由于單體序列、分子量分布、交聯程度等參數的復雜性，聚合物性能調控難度顯著高于單一分子中間體，典型產品包括高性能工程塑料、柔性電子器件所需的介電材料、分離膜等功能材料。AI 能夠融合物理模型與深度學習，預測聚合物斷裂

46、行為、密度等復雜特性，突破人工試錯法的局限性。舉例而言，荷蘭創新研究中心 TNO 正在借助 AI 加快可生物降解塑料的研發。傳統上，開發一種新塑料，通常需要 20-30 年的時間。但利用可并行處理數千次計算的強大的算法，TNO 子公司的速度比市場上領先的規劃軟件快 1000 倍，現已獲得了 160 萬歐元的投資，并已與紡織品制造商 Senbis 合作，利用生物降解聚酯制造紡織纖維，邁向商業化進程。復配體系復配體系（如涂料、膠劑劑）（如涂料、膠劑劑）：AI 可充分發揮專長的舒適區?？沙浞职l揮專長的舒適區。很多化工材料行業的專業壁壘高度依賴于 know-how（可以理解為配方與經驗），典型行業如涂

47、料、油墨、膠黏劑等，都依靠復雜助劑、溶劑、添加劑復配體系實現特定功能。以涂料為例，作為具有樹脂、溶劑、顏填料、助劑四大類共數千種原材料的行業，涂料的產品配方排列組合極其豐富，尤其適合用 AI 進行優化。多年來，KCC 基于對液態涂料顏色和相關涂料涂裝后干膜彩色數據的豐富積累和對其相互關系的深度研究，設計了大數據庫。以此為基礎，KCC 開發出可以預測目標顏色的算法和利用 AI 技術的目標顏色匹配功能，構筑了即使不實際涂裝涂料也能預測顏色并調色的生產-調色工程平臺。2.2.生物醫藥：生物醫藥：AI4S 或已進入加速滲透的“甜蜜點”或已進入加速滲透的“甜蜜點”AI 與醫藥領域的結合能夠大幅加速藥物開

48、發的進程。與醫藥領域的結合能夠大幅加速藥物開發的進程。關于創新藥研發，業內一直流傳著三“十”定律，即研發需要“十萬個化合物，十億美金，十年時間”。自 1950 年以來，每 10 億美元研發投入所產出的獲批新藥數量幾乎每 9 年減少一半。藥物研發的成功率低，主要來自于靶標與疾病的關系探索難度大，靶標成藥難度高，和藥物分子的開發難度大等幾個方面。AI4S 帶來的一系列高效高精度的計算工具，有望將單個藥物和材料研發所需的濕實驗降低至現在的百分之一。AI 制藥對大分子藥物、小分子藥物的開發都有明顯增益。小分子藥物制藥對大分子藥物、小分子藥物的開發都有明顯增益。小分子藥物主要是指化學合成藥物，結構簡單，

49、易于制造、成本低，由苯環、羧基和乙?；冉M成的阿司匹林就是典型的小分子藥物；抗體、蛋白質、核酸、多糖等大分子藥物大分子藥物又稱為生物制品，主要是通過基因工程、細胞工程、蛋白質工程等生物技術生產，以注射或輸液等方式給藥，往往2025 03 09年 月 日 gszqdatemark P.15 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 通過與特定細胞表面受體結合或者調節免疫系統來發揮作用。2024 年 5 月，AlphaFold3橫空出世，成為第一個在生物分子結構預測方面超越基于物理學工具的 AI 系統，能以前所未有的準確度預測包括蛋白、多肽、核酸等所有生命分子的結構和相互作用，在全原子尺度

50、去學習生物分子間的相互作用，小分子、大分子藥物開發的能力極大提升。圖表15：AlphaFold3 對 RNA 修飾蛋白復合物的結構預測結果與真實結構 灰色）非常吻合 圖表16：小分子藥物與大分子藥物對比示意圖 資料來源：Google，國盛證券研究所 資料來源：德勤，Understanding molecular mechanisms of biologics drug delivery and stability from NMR spectroscopy_Pyae Phyo，國盛證券研究所 具體而言，AI 在小分子領域的應用已經相對成熟，而大分子領域數據量更大，為生物大分子設計帶來了巨大的機

51、會：小分子藥物發現小分子藥物發現 AI 在小分子藥物發現領域的應用非常廣泛，在蛋白質結構解析與可藥性位點確證、候選在小分子藥物發現領域的應用非常廣泛，在蛋白質結構解析與可藥性位點確證、候選化合物的發現與優化、臨床前驗證等各環節都有豐富實踐?；衔锏陌l現與優化、臨床前驗證等各環節都有豐富實踐。以藥物晶型確認環節為例，相同的藥物分子會因其晶型不同而具有不同的理化性質，最終又會影響到藥效、給藥形式和計量。目前晶泰科技整合了晶型搜索算法、XForce Field 小分子通用力場，量子動力學計算與晶體自由能計算等技術來預測晶型熱力學的相對穩定性。憑借著強大的計算預測能力，晶泰科技顯著縮短了抗新冠病毒藥物

52、 Paxlovid 研發時間（2022 年銷售額 189 億美元），僅用 6 周時間就完成了藥物優勢晶型確認工作，加速藥物上市 6 個月。圖表17：AI 與藥物開發的各環節相結合 應用環節應用環節 AI4S 作用機理作用機理 1）靶蛋白建模與解析 AI 蛋白質折疊、電鏡圖分類、基于電鏡密度圖的分辨率優化；2）結合位點確證 AI 學習已知蛋白結合位點特征，對新的靶蛋白的潛在位點進行預測；通過 AI 提高分子動力學采樣效率，尋找蛋白質結合位點，縮小實驗驗證范圍；3）苗頭化合物發現 將主動學習、底層程序高性能優化與傳統對接軟件結合，加快計算篩選速度；基于 AI預訓練模型提高分子表示能力，改進搜索效果

53、，最終富集陽性分子供實驗驗證；4）藥物活性優化 利用自由能微擾等方法，結合 AI 優化其力場或電荷表示方式以優化精度；結合 AI 主動學習策略提升計算通量；5）成藥性優化 利用 AI 預訓練模型提高分子表示能力和基于小樣本的學習能力，提高預測效果；結合自由能微擾 FEP）技術，尋找親和力沒有顯著變化但成藥性更佳的分子；6）臨床前驗證 工藝優化：AI 合成路線設計和優化；晶型確證：第一性原理晶型預測；劑型確證：AI+分子動力學模擬預測穩定劑型；多種屬驗證評價：AI 預測藥物在人體可能的藥效學、藥代動力學和毒理學等，乃至預測臨床實驗的首次給藥劑量，最大化發揮多種屬驗證評價獲得的寶貴實驗數據的價值

54、資料來源：2023 版科學智能 AI4S）全球發展觀察與展望_北京科學智能研究院等，國盛證券研究所 2025 03 09年 月 日 gszqdatemark P.16 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 大分子藥物研發大分子藥物研發 在基因治療領域，大分子藥物正在多點突破在基因治療領域，大分子藥物正在多點突破。通過將外源基因導入靶細胞或組織，替代補償阻斷修正特定基因，基因藥物在治療遺傳病、癌癥、糖尿病，預防傳染病等方面正不斷取得突破性進展，具體可以分為基于 DNA、基于 RNA 兩類。以 DNA 類藥物為例，CAR-T 離體基因治療是這種療法的典型手段，但傳統的 CAR-T 細胞

55、存在復發率較高等問題。CAR 分子的胞外結構域中識別抗原的單鏈抗體片段十分重要，AI 可被應用于學習抗體片段規律，對抗體親和力或人源化性質進行預測推薦。在商業化領域，我國企業萊芒萊芒生物生物的核心產品 CD19 CAR-T 療法 Meta10-19 注射液）在臨床中以極低給藥劑量 僅傳統療法 1%）實現了腫瘤細胞的完全清除。此前，萊芒生物與晶泰科技合作開發了 AI超級因子研發平臺 MetaAI-10，攜手加速新型腫瘤免疫治療藥物研發。當前用當前用 AI 開發生物大分子藥物有三大前沿模型，已吸引大藥企簽下數十億美元訂單。開發生物大分子藥物有三大前沿模型，已吸引大藥企簽下數十億美元訂單。1）RF

56、diffusion：通過逐步降噪的方式來設計蛋白質。由于擴散過程的每一步都可逆，所以只要“步子”足夠小，就可以從簡單的分布倒著推斷出最初復雜的分布，榮獲 2024 年諾獎。2）ESM3：直接用多模態的生成大模型“暴力”地進行計算直接用多模態的生成大模型“暴力”地進行計算，ESM3 的訓練數據集非常龐大，token 總數達到 7710 億。通過語言建模對蛋白質三大基本屬性序列、結構和功能建模。團隊成功模擬了一種自然界中不存在的蛋白質的進化過程，該過程在自然界中需要 5 億年才可完成。3）DeepMind 團隊的 AlphaFold3：輸入蛋白的序列和小分子的SMILES 文件后，模型可以在幾秒的

57、時間里給出共折疊的結構。2024 年初，Isomorphic Labs（DeepMind 孵化的以制藥為目標的新公司）宣布與禮來和諾華簽署了兩筆總價值近30 億美元的大額訂單。圖表18：理論上生命的所有信息都蘊藏在基因序列之中 資料來源：Metabolic biomarkers in lung cancer screening and early diagnosis Review）_Yongjie Xu國盛證券研究所 AI4S+合成生物學合成生物學：開啟萬物合成新范式。：開啟萬物合成新范式。人類對于生物機制的全貌仍不了解，只能通過對黑盒的干擾-觀察的方式來對這個復雜的編碼調控系統進行學習。而合

58、成生物學正是探測黑盒的工具，即通過工程化修改和重設計生物 通常是微生物）而使其產生新功能，而 AI 恰好可以通過以巨大參數空間對復雜系統的輸入和輸出進行擬合的方式，戰略性地設計探測實驗，從而加速對生物系統的了解與應用。AI+抗生素篩選、合成：抗生素篩選、合成：1）2023 年 12 月，麻省理工學院 James Collins 教授團隊在Nature 上發表最新研究成果，該團隊研究利用人工智能從超過 1200 萬種化合物中識別出一種革命性的新型抗生素類型，可以殺死臨床上常見的超級細菌 MRSA，是近 60 年以來的第一類可用于對抗 MRSA 的新型抗生素，凸顯了 AI 在對抗抗生素耐藥性方面的

59、巨大潛力。2）在商業界，AI 助力抗生素的研發生產也正在進行中，據川寧生物，其聚焦于2025 03 09年 月 日 gszqdatemark P.17 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 硫氰酸紅霉素的生產研發，利用合作對象金珵科技提供的 AI 模型做出分析和智能化改進方案，關鍵酶的構建、酶的活性和研發效率上均有明顯提升。圖表19：AI 在合成生物學有巨大應用前景 資料來源：Special Issue on Artificial Intelligence for Synthetic Biology_Hector Garca Martn，國盛證券研究所 醫美日化領域醫美日化領域：作

60、為功效護膚領域的“主角”之一，多肽類原料一直以來都是化妝品行作為功效護膚領域的“主角”之一，多肽類原料一直以來都是化妝品行業繞不開的研究熱點。業繞不開的研究熱點。近兩年，有賴于合成生物學、AI 技術等多學科、多領域的突破和發展，創新結構、更精準的作用靶點或功效正成為肽類原料的新突破方向。AI 加速了個護企業在新型加速了個護企業在新型多肽多肽產品領域的推新節奏。產品領域的推新節奏。Bota Bio 恩和生物旗下個護子公司青然新護推出了兩款利用 AI 技術精準篩選而來的可持續蛋白肽璞生燕麥肽、璞生小果咖啡肽。這兩款可持續蛋白肽均來源于含有豐富植物蛋白資源的植物廢渣中，由 AI 技術從分子模擬、多肽

61、預測到序列對比、生產模式演算的原料研發全過程篩選而來，能夠精準指導可持續植物蛋白循環新生，符合當下的可持續發展理念。體內實驗和臨床試驗結果表明，2%璞生燕麥肽可將水離子通道蛋白 AQP3 的表達量提高 22%，有效煥活水潤通道，并可實現 24h 長效保濕。2%璞生小果咖啡肽香波則可明顯減少發束面積差值，即顯著改善發束毛躁度，同時還可有效舒緩頭皮不適。圖表20：可實現細胞內滲透的多肽設計工作在 AI 參與下提速 資料來源：AI-Driven Design of Cell-Penetrating Peptides for Therapeutic Biotechnology_Hongru Ma，國盛

62、證券研究所 2025 03 09年 月 日 gszqdatemark P.18 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 3.商業化多級跳，商業化多級跳，AI for Science 遠期擁抱萬億藍海遠期擁抱萬億藍海 3.1.AI 進化史即進化史即 AI for Science 的的發展史發展史 早期的早期的 AI 工具較為落后，一系列關鍵工具的出現使得工具較為落后，一系列關鍵工具的出現使得 AI 實現了從“單一解題”到“通實現了從“單一解題”到“通用智能”的跨越。用智能”的跨越。進程中，AI 技術的底層邏輯也發生轉變，從依賴規則編程的“做題”模式，轉變為基于數據驅動的端到端學習模式。

63、AI 的進化史，本質是能力泛化的歷史從解決特定問題 如棋類游戲）到預測、生成、推理等多模態任務的全面覆蓋：2012 年，基于深度卷積神經網絡 CNN）模型 AlexNet 模型在 ImageNet 圖像分類比賽中大幅領先傳統方法，AI 開始突破傳統算法的局限。2015 年開始，TensorFlow、PyTorch 等框架的誕生標志著行業實現里程碑式突破，開源框架興起，推動行業進入技術基礎設施建設期。2017年，Transformer架構通過自注意力機制統一了自然語言處理的范式，成為GPT、AlphaFold 等模型的共同骨架。2018 年，預訓練模型 如 BERT）的出現讓 AI 具備跨任務遷

64、移能力。2020 年，GPT-3 的發布則開啟了通用智能的序幕，其 1750 億參數的規模展示了語言理解和生成的新高度。至 2023 年，GPT-4 和視覺模型 Stable Diffusion 進一步模糊了生成式 AI 與人類創造力的邊界，AI 從解題工具逐步進化為全能助手。受受 AI 技術的發展驅動，技術的發展驅動，AI4S 也從早期的“科學輔助”跨越到了“范式革命”的新階段。也從早期的“科學輔助”跨越到了“范式革命”的新階段。AI4S 最早遠遠達不到全能王的水平，其發展階段可概括為三階段，分別是：1.0 模仿階段，指基于實驗數據的外推 如虛擬藥物篩選）；2.0 預測階段是指建立有邊界的可

65、驗證模型 如分子動力學模擬）；3.0 搜索階段功能尤其強大，已經可以實現自主設計最優解，可以完成材料組分智能生成等科研工作?；仡?AI4S 的發展歷史，幾大專業領域核心工具的協同演進是 AI4S 突破式發展的關鍵：圖表21：AI4S 發展歷程及關鍵技術突破事件 資料來源：極市平臺，淮南聯合大學，財聯社，數據派 THU，新智元，新浪財經，中科院計算所培訓中心，機器之心 pro，2022 及 2023 版科學智能 AI4S）全球發展觀察與展望_北京科學智能研究院等，nvidia developer，5bei，澎湃新聞，智東西，生物世界，晶泰控股招股說明書，天眼查，企業家雜志，量子位，華爾街見聞，國

66、盛證券研究所繪制 2025 03 09年 月 日 gszqdatemark P.19 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 我們認為，當前我們已經邁入了 AI4S 商業化落地的關鍵轉折年：2016 年是年是 AI4S 的起點：的起點：芝加哥大學許錦波團隊嘗試用深度神經網絡預測蛋白質結構，普林斯頓大學鄂維南團隊則開發深度學習分子勢能模型 Deep Potential）。這一階的 AI4S 尚處于概念導入期，科學家主導的探索以單點突破為主，AlphaFold初代模型的誕生是標志性事件。2020 年成為年成為 AI4S 的的關鍵轉折點：關鍵轉折點：AlphaFold2 在 CASP14

67、競賽中以原子級精度預測蛋白質結構，標志著 AI4S 正式進入基礎設施建設期。這一階段，工具的開源化 如 AlphaFold2 代碼公開）和平臺化加速了科學研究的效率，AI 從（“輔助實驗”升級為“替代傳統模擬方法”。如今，如今，AI4S 的基礎設施逐漸完善，開始進入商業化應用的關鍵年的基礎設施逐漸完善，開始進入商業化應用的關鍵年：AlphaFold3 擴展至蛋白質-配體相互作用預測，開啟藥物設計新范式。2025 年，AI4S 基礎設施逐漸成熟，進入以工程師為主導的應用期，AI 開始系統性解決材料設計、藥物研發等領域的核心問題。3.2.DeepSeek 解決算力瓶頸，解決算力瓶頸，AI4S 再加

68、速再加速 DeepSeek 問世后問世后，AI4S 垂類模型開發企業可以本地垂類模型開發企業可以本地化化部署部署私域模型私域模型。DeepSeek 通過強化學習技術實現了推理能力的全方位躍升，尤其在 STEM 領域展現出顯著優勢，其的推理能力已在多個國際權威基準測試中展現出與全球頂尖閉源模型并駕齊驅的實力。例如，在數學推理領域，DeepSeek-R1 模型在 MATH-500 測試中達到 97.3%的準確率，與 OpenAI-01-1217 表現相當，并顯著優于其他模型。更為關鍵的是，DeepSeek 的推理API 成本優勢極其凸顯，以 DeepSeek-Chat3 為例，其輸入和輸出定價分別

69、為每百萬tokens 2 元和 8 元，而 OpenAI GPT-4o 輸入/輸出定價分別為 2.5 美元和 10 美元/百萬tokens）。DeepSeek 堪稱“普惠式”定價，使中小企業能以極低成本享受頂尖 AI 能力。圖表22：DeepSeek 推理能力與全球頭部閉源模型不分伯仲 圖表23：DeepSeek 推理 API 價格低廉 資料來源：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning_DeepSeek AI，國盛證券研究所 資料來源：DeepSeek，國盛證券研究所 D

70、eepSeek 可以從“讀”、“算”兩方面賦能可以從“讀”、“算”兩方面賦能 AI4S 企業。企業。1）讀：）讀：AI 在文獻閱讀環節再次提速。而根據美國國家科學基金會，科研人員花費在查找和消化科技資料上的時間，需占去全部科研時間的 51%。在此基礎上，AI4S 企業可以將所有文獻、實驗數據等整合為知識庫，通過結構化查詢與智能算法對比分析，實現自動給出最佳合成化學路徑等前序工作。2）算：）算：此前，AI4S 企業面臨著算力成本高、數據不足、模型泛化能力不足等問題。而 DeepSeek 的 MoE 架構通過動態激活參數技術，實現了參數利用率與計算成本2025 03 09年 月 日 gszqdat

71、emark P.20 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 的革命性優化，采用 3D 并行等訓練策略，671B 參數量的大模型訓練所需算力降低至原1/10。且 DeepSeek 將模型權重與工具鏈 如遷移學習框架）全面開源，企業可基于Hugging Face 平臺快速定制垂類模型。在以算法密度替代算力堆砌的新時代下，AI4S 企業迎來了加速深挖自身垂類模型護城河的新時代?？梢灶A見，在不久的將來，具有垂類模型積累（數量、領域）、掌握高質量數據、具有二次開發能力的企業，將在算力平權時代更快速地誕生新成果。3.3.AI for Science 的遠期空間有多大？的遠期空間有多大？據據深勢

72、科技深勢科技創始人創始人，AI4S 未來有望成長為千億美金的巨大市場。未來有望成長為千億美金的巨大市場。得益于底層數理方程得益于底層數理方程和基本科學規律的強通用性，我們認為未來和基本科學規律的強通用性，我們認為未來 AI4S 能夠在物質科學、生命科學兩大領域能夠在物質科學、生命科學兩大領域開拓出全新的巨大市場。開拓出全新的巨大市場。我們認為 AI4S 市場規模取決于各個下游領域頭部企業的研發支出規模，以及 AI 導入研發的滲透率。在此基礎上進行測算，測算過程如下：1）市場規模：我們對化工、醫藥、新能源、合金、顯示、半導體六大領域做出了測算，其中化工、醫藥、新能源市場規模最為龐大，分別為 5.

73、8 萬億、1.6 萬億、2.3 萬億美元，合金、半導體、顯示市場也不容小覷，AI4S 合計可覆蓋的下游市場規模近 11 萬億美元。2）AI4S 領域的定價模式或為頭部下游企業以研發支出形式實現付款。例如，在晶泰科技與協鑫集團簽署的 5 年期戰略合作協議中，協鑫將向晶泰科技支付約 1.35 億美元用于研發費用，深勢科技的直接服務對象為寧德時代而非鋰電材料企業。因此，我們以中信分類下各行業內企業 2023 年研發支出占總收入的中位數作為計算依據。3）我們計算了在 AI 滲透率分別為 1%、2.5%、10%、25%的不同情況下，AI4S 的合計市場規模。結果表明，在滲透率達到 2.5%時，AI4S

74、行業的規模約 149 億美元 近千億人民幣），若未來該比重提升至 25%，則 AI4S 將成長為年產值突破 1400 億美元 近萬億人民幣）的龐大藍海。圖表24：全球 AI for Science 市場規模測算 億美元）市場規模市場規模 2025E）研發支出研發支出 占比占比 AI 滲透率滲透率 1%AI 滲透率滲透率 2.5%AI 滲透率滲透率 10%AI 滲透率滲透率25%化工 58,182 3.86%22 56 225 561 醫藥 16,232 7.77%13 32 126 315 新能源 23,310 4.82%11 28 112 281 半導體 7,189 15.18%11 27

75、109 273 合金 3,349 2.53%1 2 8 21 顯示 1,955 7.20%1 4 14 35 合計市場規模 億美元）合計市場規模 億美元）59 149 595 1,486 資料來源：cefic，wind，德勤，艾美達醫藥咨詢，BloombergNEF，the business research company，precedence research，金融界，wind，國盛證券研究所 注：圖中研發支出占比采用各版塊公司 2023 年研發支出占收入比重的中位數，但由于顯示領域上市公司較少，是采用龍頭企業京東方的占比作為測算依據 事實上，事實上，AI 滲透率的提升是銳不可當的大趨勢。

76、滲透率的提升是銳不可當的大趨勢。以醫藥行業為例，據2024 年中國醫療大健康產業發展白皮書，AI 在醫藥行業的滲透率將飛速提升，在 AI 醫學影像領域已有超 60 個三類證產品獲批上市，預期行業滲透率將由 2020 年的 0.7%上升至 2030 年的 41.3%。目前，AI 在制藥行業還沒有達到普及階段，全球處于臨床階段且保持活躍狀態的 AI 參與研發的管線總計 97 項，大部分 AI 藥物研發項目處于臨床早期階段，而進入臨床三期的藥物占比僅有 6.2%，未來 AI 在醫藥領域的應用市場空間還將持續拓展。2025 03 09年 月 日 gszqdatemark P.21 請仔細閱讀本報告末頁

77、聲明請仔細閱讀本報告末頁聲明 4.我國擁有誕生我國擁有誕生 AI for Science 巨頭最好的土壤巨頭最好的土壤 與醫藥不同，全球材料科學下游化工業主要聚集在中國，同時中國材料科學科研實力也在加速崛起。根據中國化信咨詢，2022 年我國化學品產值已占全球 45%。我國擁有最齊全的化學制造業門類、最完備的產業鏈，有望孵化出引領全球的 AI for Science 巨頭。在 AI4S 先行者中，不乏有晶泰科技、深度原理等海歸派 均孵化自 MIT），在美國 特別是波士頓地區）醫藥產業發達的情況下毅然決定回國擁抱更大的材料市場，具有重要啟示。引用深度原理創始人兼 CEO 賈皓鈞觀點：“在美國去工

78、業化的背景下，材料化學領域的中國企業，正積極從生產轉向研發，故 AI for Science 在中國的落地機遇更為豐富”?？蒲袑嵙Ψ矫?，中國材料科學也處在加速崛起中。根據 Nature Index 最新數據，2023 年中國材料科學科研產出指數達到 10597.4，全球份額占比超 50%。圖表25：2023 年 Nature Index 材料科學研究指數 資料來源：Nature Index，國盛證券研究所 中國是全球第一大制造業國家，根據高盛最新數據，2023 年中國光伏、鋰電池、新能源車、功率半導體、鋼鐵供給占全球分別為 86%、81%、66%、29%、54%。產業高度集中之于 AI4S 主

79、要有以下顯著意義：快速積累快速積累數據：數據：近產業者得數據，高質量的數據是訓練 AI 垂類模型的必備素材，中國化學制造企業數目繁多，有利于 AI4S 企業快速積累數據；快速融合產業快速融合產業：本質上，AI4S 為跨學科領域，其產業的發展需要 AI4S 企業與不同細分領域生產企業的“雙向奔赴”。由于過去 AI4S 在醫藥以外大部分細分領域尚未有過示范項目，因此“產、研”雙方的對接以及對于互相能力圈的理解將成為促成合作的重要要素。在中國，AI4S 企業在與不同化學制造門類、產業鏈環節企業交流探討方面具有更大的便利；示范示范效應：效應：中國制造業容量大、密集程度高，過去產業對于 AI4S 范式革

80、新趨勢持觀望態度。隨著各個細分領域出現“第一個吃螃蟹”的玩家，更多的企業有望加速擁抱產業趨勢，使得 AI4S 范式在中國各材料領域迎來“多米諾式”擴散。我國我國 AI4S 勢力強勢崛起，領跑全球。勢力強勢崛起，領跑全球。AI4S 材料制造底層科學原理具有統一性，受益于DeepSeek 等國產大模型的滲透，跨行業知識學習變得高效且低成本，使得 AI 材料企業具備橫向擴張的可能性。我們對全球 AI4S 生態進行梳理：海外聚焦 AI4S 的廠商主要包括薛定諤、Recursion、Isomorphic Labs 等；國內方面，近年來我國一批平臺型企業開始加速崛起，代表性的企業包括晶泰科技、中科大孵化企

81、業 如機數量子、微觀紀元等）、深勢科技等。2025 03 09年 月 日 gszqdatemark P.22 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表26：全球 AI4S 標的匯總 資料來源：各公司公告，各公司官網，各公司微信公眾號，天眼查，證券之星，簡約財經，妙投 APP，文匯上觀，BiG 生物創新社，智藥局，marketscreener，職友集，車云網，企業家雜志，AIGC 開放社區，物聯網技術，機械工程材料，HyperAl 超神經，中鯨社，Wind，AIDDPro，國盛證券研究所 4.1.晶泰控股 晶泰控股 2228.HK）：）：全球全球 AI4S 標桿企業標桿企業 公司是

82、全球領先的公司是全球領先的 AI+自動化自動化 AI4S 龍頭龍頭。晶泰控股是基于量子物理、以人工智能賦能和機器人驅動的創新型研發平臺，是 AI4S 的全球龍頭。從業務模式上看，公司計算機模式和濕實驗室實驗的反復運算創造了一個良性循環，在這個循環中，數據生成、學習和確認相互促進，并通過分子和化學合成的真實世界實驗數據不斷強化，具有技術領先性。企業名稱成立時間關鍵詞創始人背景業務及材料研發類型核心投資人晶泰科技2015第一性計算+AI+機器人實驗室，布局新材料版圖華人MIT量子物理博士后靶點、藥物發現；軟件服務；智能實驗室服務；新材料研發騰訊、紅杉、軟銀、國壽、人保、谷歌機數量子2017中科大孵

83、化、著重聚焦新材料中科院、國家研究中心孵化基于第一性計算、自動化機器人實驗室、亞洲最大材料數據庫，進行材料研發合肥高投、賽智創投微觀紀元2022量子計算+材料研發核心創始人畢業于中科大通過量子計算賦能藥物發現和新材料設計合肥高投、昆侖資本英矽智能2014AI+Biotech、自研管線雙CEO：Alex Zhavoronkov約翰霍普金斯，任峰曾任跨國藥企、CROAI+醫藥：Pharma.AI藥物發現系統、自研管線、合作授權高瓴、紅杉、百度、藥明康德深勢科技2018北大孵化、第一性計算創始人畢業于北大、普林斯頓，北大鄂維南為首席科學顧問藥物包括大分子、小分子，材料主要聚焦電池材料高瓴創投、北京A

84、I產業基金深度原理2024MIT孵化、晶泰/深勢投資華人MIT物理化學博士ReactiveAI化學反應生成，材料發現平臺，主要聚焦催化劑高瓴創投、晶泰科技、深勢科技SES AI2012AI+電池材料創始人畢業于MIT物理固態鋰金屬電池SK、淡馬錫、上汽、通用、天齊鋰業分子之心2022蛋白質預測、對標AlphaFold創始人許錦波為國際蛋白質結構預測泰斗蛋白質大模型、大分子結構預測凱賽生物、紅杉中國、百度BV、聯想創投百圖生科2020百度孵化、大分子結構預測百度孵化xTrimo生命科學大模型（蛋白質、DNA、RNA、細胞等）百度、港投公司企業名稱成立時間關鍵詞創始人背景業務及材料研發類型核心投資

85、人薛定諤1990AI藥物發現鼻祖、軟件服務為主哥大化學教授、美國科學院院士小分子藥物發現，AI+SaaS模式比爾蓋茨、DE Shaw、先鋒基金Recursion2013AI+Biotech、自研管線猶他大學醫學博士創立自研管線，小分子藥物發現英偉達、蓋茨基金會、ARK谷歌：IsomorphicLabs2021谷歌DeepMind孵化谷歌DeepMind孵化,分拆自AlphaFold大分子、小分子藥物發現谷歌Alphabet全資微軟MatterGen2024微軟孵化、AI+無機材料微軟孵化無機材料微軟公司體內CuspAI2024深度學習教父坐鎮、AI+環保材料Geoffrey Hinton諾貝爾

86、獎和圖靈獎雙料得主，深度學習之父坐鎮，其他創始人均為機器專家碳捕獲材料Hoxton VenturesCITRINE2013AI+數據優化材料制造軟件創始人來自斯坦福大學AI優化材料制造，涵蓋包括涂料、粘合劑、密封劑和彈性體、電池、食品飲料、金屬合金、航空航天Prelude Ventures國內海外2025 03 09年 月 日 gszqdatemark P.23 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表27：晶泰 AI+自動化的商業模式 資料來源：晶泰控股招股書，國盛證券研究所 三位三位 MIT 博士后聯合博士后聯合創立，創立，一級市場一級市場獲得騰訊、紅杉、軟銀獲得騰訊、紅杉、

87、軟銀、歌、歌 等機構等機構入股入股。公司由溫書豪、馬健、賴力鵬三位麻省理工學院的博士后物理學家于 2015 年創立。目前公司擁有員工 783 人，其中科學家與技術專家超過 500 人。公司為港股 18C 新規第一家上市公司，一級市場獲得騰訊、紅杉、軟銀、歌、Successful Lotus 等投資公司入股。其中，騰訊自 2015 年參與 A 輪融資以來多次增持。2021 年 D 輪融資后，公司估值達到 19.68億美元。圖表28：晶泰控股三位聯合創始人背景 姓名 職位 學術履歷 備注 溫書豪 執行董事兼董事會主席 中科大物理化學碩士、中科院大連化學物理所博士、MIT博士后 知名量子物理學家，在

88、計算物理及量子化學領域擁有逾 14 年的研究經驗，發表論文 36 篇，引用次數超過 2100 次；財富中國 40 位 40 歲以下的商界精英；深圳市十大杰出青年企業家 馬健 執行董事兼首席執行官 浙江大學物理學學士及博士、MIT 博士后 在國際領先的科學期刊Physics Reports、Physical Review、Journal of Chemical Physics等發表 30 篇論文；深圳市地方級領軍人才及深圳市海外高層次人才 賴力鵬 執行董事兼首席創新官 北京大學物理與數學雙學士、芝加哥大學物理學碩士及博士、MIT 博士后 賴博士曾在物理評論快報等權威期刊上發表多篇論文；深圳市海外

89、高層次人才 資料來源：Wind，國盛證券研究所 2016 年，公司參加了輝瑞舉辦的全球晶體結構預測盲測并奪魁，從而與輝瑞在技術創新和藥物研發方面建立了長期的戰略重要合作伙伴關系 曾幫助輝瑞進行 COVID-19 口服藥晶體結構預測，縮短客戶藥物上市時間 6 個月），并逐步成為提供固態研發計算服務的全球領導者。隨后公司建立了濕實驗室并布局機器人自動化，以實現可擴展、靈活、多項目、更快速且更具成本效益的實驗周期。2020 年以來，公司藥物研發、自動化兩大業2025 03 09年 月 日 gszqdatemark P.24 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 務營收、項目數高速增長，2

90、024 年上半年實現營收 1.07 億元，同比增長 34%；截止 2023年可創收項目達 504 個，同比增長 72%。圖表29：晶泰營收拆分及增速 億元）圖表30：晶泰各業務項目數 個）資料來源：Wind，國盛證券研究所 資料來源：公司公告，國盛證券研究所 AI 醫藥業務：醫藥業務：國際領先的國際領先的 AI 制藥服務商，涵蓋小分子、大分子藥物研發能力。制藥服務商，涵蓋小分子、大分子藥物研發能力。公司是國際領先的 AI 藥物研發服務商，全球前 20 大生物技術與制藥公司中 16 家為公司客戶。區別于 AI Biotech 企業需要親自下場做藥，晶泰主要承接下游客戶的訂單。公司藥物發現解決方案

91、專注于識別和開發對特定疾病相關靶點表現出藥物活性功能的分子，可為下游客戶解決橫跨藥物發現及研究的整個過程 從靶點驗證、苗頭化合物識別、先導化合物生成、先導化合物優化至臨床前候選化合物 PCC），研發能力圈涵蓋小分子、抗體、多肽、抗體偶聯藥物、蛋白降解靶向嵌合體等多模態。依托 AI 藥物研發平臺“干實驗室”與自動化機器人“濕實驗室”結合的技術優勢，2023 年公司與禮來簽署一項 AI 小分子新藥發現合作，預付款及里程碑總收益可達 2.5 億美元。根據 2024 年半年報，公司醫藥板塊持續迎來進展，大分子業務交付成功率接近 100%。同時與默達生物、希格生科、某美國領先制藥公司、長江生命等客戶藥物

92、研發進展順利，鎖定長期成長空間。圖表31：公司小分子藥物發現系統 資料來源：公司官網，國盛證券研究所 0%20%40%60%80%100%120%00.20.40.60.811.21.41.61.8220202021202220232024H1智能自動化解決方案藥物發現解決方案YOY050100150200250300350400450202120222023藥物發現解決方案智能自動化解決方案2025 03 09年 月 日 gszqdatemark P.25 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 晶體結構預測是打開材料發現之門的鑰匙，底層邏輯具有相通性。晶體結構預測是打開材料發現之

93、門的鑰匙，底層邏輯具有相通性。晶體結構預測是一類重要的物質結構預測技術，在新材料研發領域十分關鍵，而晶體預測正是公司一直以來的技術優勢。2024 年 12 月公司在劍橋晶體數據中心舉辦的物質結構預測 CSP Blind Test中脫穎而出，成為表現最出色的兩個團隊之一。引用董事長溫書豪博士觀點：“準確預測物質結構需要處理非常復雜的高維問題和極高的計算精度。獨特的物質結構會形成獨特的材料，帶來獨特的性質。這些物質結構既可以是治病救人的藥物物質結構，也可以是解決能源傳遞瓶頸的室溫超導材料，甚至可以是量子計算機的底層器件材料。掌握了精確的物質結構預測技術，就像掌握了打開未來材料發現之門的預言鑰匙”。

94、AI 新材料業務：新材料業務：快馬加鞭，卡位快馬加鞭，卡位 AI 新材料業務星辰大海。新材料業務星辰大海?；诘讓蛹夹g相通性，公司積極拓展 AI 新材料業務，賦能客戶實現更優的材料研發范式。目前公司在鈣鈦礦、固態電池、電解液人工智能配方推薦、電解液研發流程的全自動化、有機合成流程的全自動化操作、催化劑高通量合成、催化劑分析前處理、中藥新藥智能自動化融合創新平臺、化妝品及食品新原料開發、非動物評價模型開發、高通量工程菌粉體自動分裝及全自動樣本前處理等方向均取得重要突破，實現全流程自動化、數字化及智能化。2024 年 8 月，公司與協鑫集團簽訂價值 1.35 億美元 約 10 億元人民幣）的研發委

95、托協議，就鈣鈦礦、超分子、鋰離子電池、正極材料、碳硅材料等領域高科技新能源材料研發的訂單化服務，拿下進軍 AI 新材料的第一個大訂單，未來其他領域有望實現模式的復制，進而打開廣闊成長空間。4.2.中科大孵化：機數量子、微觀紀元中科大孵化：機數量子、微觀紀元 中科大擁有強大的中科大擁有強大的 AI4S 研發實力。研發實力。中科大作為中科院所屬頂級高校，具有強大的理工科學術能力和研發實力，設有微尺度研究中心、精準智能化學實驗室等國家級研究平臺，深耕 AI4S 材料研發，取得積極的進展，具備卓越的綜合實力。其中核心研究主體包括：微尺度研究中心微尺度研究中心：合肥微尺度物質科學國家研究中心是科技部 2

96、017 年 11 月批準組建的六個國家研究中心之一，依托于中國科學技術大學，是聚焦物理、化學、材料、生物、信息共 5 大一級學科融合，以國家重大戰略需求和交叉前沿領域為導向的新型基礎科學研究中心。中心坐擁中國科學院院士 15 位、中國工程院院士 1 位、國家杰出青年科學基金獲得者97位、國家重大人才工程獲得者22位，科研實力雄厚。中科大化學物理系執行主任羅毅任微尺度研究中心主任。精準智能化學實驗室：精準智能化學實驗室：精準智能化學全國重點實驗室是經中國科學院批準依托中國科學技術大學籌建的國家級研究平臺，在江俊教授帶領下 團隊負責人），推出全球首個數據智能驅動的機器化學研發平臺“機器化學家”。實

97、驗室面向世界科技前沿，聚焦如何改變化學研究范式，探索建立化學研究的精準化、智能化雙驅動模式。實驗室以中國科大化學與材料科學學院為主體，聯合校內信息/工程/計算機/數學學科隊伍共同組建而成，現有固定研究人員 100 余人，包括 2 位中國科學院院士。2025 03 09年 月 日 gszqdatemark P.26 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表32：中科大具有強大的 AI4S 材料研發實力 資料來源：機數量子，天眼查，合肥在線，中國產業經濟信息網，清華大學智能產業研究院，中科研碩，RSC 英國冠家化學會，中科大官網，光明網，精準智能化學全國重點實驗室，微觀紀元，新藥仿藥

98、 CMC 實操討論，電訊技術，中國電子學會，國盛證券研究所 4.2.1.機數量子：機數量子：AI+機器人實驗驅動新材料研發機器人實驗驅動新材料研發 孵化自中科院頂級團隊，機數量子孵化自中科院頂級團隊，機數量子是是中國中國 AI4S 化學物理材料研發的先行者?；瘜W物理材料研發的先行者。機數科技是數據驅動材料開發新范式的領航者，以量子化學計算和人工智能分析，為新材料開發賦能。機數量子核心技術團隊及研究成果孵化自中科大精準智能化學實驗室及科技部下屬微尺度研究中心。機數量子以“量子化學計算、大數據分析、人工智能預測”為核心技術，為企業與科研用戶提供材料大數據檢索、新材料智能開發服務和整體解決方案。機器

99、人化學家平臺，自動、智能化程度超越歐美。機器人化學家平臺，自動、智能化程度超越歐美。機數量子機器化學家平臺于 2021 年全球率先發布，集成了移動機器人、智能化學工作站、智能操作系統、科學數據與模型庫，是全球首個“數據智能驅動的全流程機器化學家平臺”。機器人化學家由“化學大腦”、機器人實驗員和智能化學工作站三部分組成。其中核心的“化學大腦”通過分析大量化學實驗和理論數據建立知識圖譜，在智能閱讀文獻、自主設計實驗、自動執行合成-表征-測試的化學全流程、智能優化化學創制等方面全面超越歐美同類平臺；機器人實驗員和16 個化學工作站之間能進行數據交換和互動，精準配合執行化學實驗。該平臺還建立了包含 8

100、 千萬種化合物、1 千萬種化學反應等資源的數據庫和檢索引擎，并在此基礎上開發了物理化學知識圖譜。目前，該平臺正應用于析氧反應催化劑、摻氫氧化物光催化劑、新能源電池的高熵催化劑等新材料開發。2025 03 09年 月 日 gszqdatemark P.27 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表33：機數量子 AI 化學家工程流程 圖表34：“機器化學家”全流程示意圖 資料來源：機數量子，國盛證券研究所 資料來源：機數量子，中國科學院，國盛證券研究所 數據庫平臺數據庫平臺 dcaiku 為世界一流、亞洲最大的材料數據庫平臺。為世界一流、亞洲最大的材料數據庫平臺。公司建成了世界一流

101、、亞洲最大的材料數據庫平臺機數大材庫 ），并開發了半導體數據庫、磷礦數據庫、催化數據庫等軟件，在量子化學計算、大數據分析、人工智能預測的技術上達到國際先進、國內領先。公司融合 9000 萬化合物、1100 萬化學反應路徑的龐大材料數據，將數千次實驗優化過程縮短至 300 次以下，開發效率提升超百倍，大幅提升新材料研發效率。公司擁有新材料領域的獨有數據，獨享空白賽道；未來將積極進行自主研發，并與國內外一流大學的相關研究組合作，保持技術的前沿性、先進性、全面性。在實際在實際應用應用中大大加中大大加縮短研發時間、提升研發效率縮短研發時間、提升研發效率：高熵非貴金屬產氧催化劑：高熵材料具有高混亂、高無

102、序、高復雜度的特點，能提高能源電池的穩定性，對新能源發展非常重要。如果按照以往的方法，科研人員要從 29 種非貴金屬元素中選出 5 種進行超過55 萬種配比組合，“試錯”研究可能需要 1400 年。而機器化學家通過閱讀 1.6 萬篇催化論文，自主遴選出 5 種非貴金屬元素，并融合 2.5 萬組理論計算數據和 207 組全流程機器實驗數據，建立并優化預測模型，將傳統“炒菜式”遍歷搜索所需的 1400 年，縮短為5 周；基于火星隕石的制氧催化劑：如果用人工方式做實驗，以 5 種不同的火星礦石作為原料，有超過 376 萬個配方的排列組合。按每個實驗驗證至少 5 小時計算，找到最佳配方可能需要 200

103、0 年，而機器化學家只用了 5 個星期就做完了實驗。4.2.2.微觀紀元：量子計算驅動的微觀紀元：量子計算驅動的 AI4S 材料研發材料研發軟件商軟件商 公司是中國量子計算工作組秘書單位，致力于公司是中國量子計算工作組秘書單位，致力于 AI4S 賦能材料研發。賦能材料研發。微觀紀元成立于2022 年 2 月，核心技術負責人來自中科大體系，董事長、算法總監出自科大少年班。核心技術負責人來自中科大體系，董事長、算法總監出自科大少年班。公司依靠自主創新的量子算法和融合各類量子計算機、圖形 GPU 計算、經典 CPU 計算等多形式算力平臺實現行業應用的自動化生產管線，構建了應用于組合優化方向的穩定子算

104、法，用于金融、電力等行業，基于量子化學的生物制藥藥物篩選、新材料研發等管線。2022 年中國信息協會量子信息分會量子計算工作組 QIAC 正式成立，微觀紀元當選為秘書單位。2025 03 09年 月 日 gszqdatemark P.28 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 圖表35：公司核心技術團隊 姓名 職務 履歷 呂川 董事長、總經理 中科大少年班、中科大凝聚態物理學博士，中國信息協會量子信息分會量子計算專委會成員蘇州金雞湖科技領軍人才，科技部、公安部等多項重點研發計劃課題負責人 左芬 算法總監 中國科大理論物理學博士，本科就讀于中國科大少年班，在中科院理論物理所、高能物理

105、所、意大利國家核物理研究所從事博士后工作，曾任華中科技大學副教授 李亞麟 技術總監 中國科學技術大學通信與信息系統博士，曾任上海國盾量子信息技術有限公司技術總監 資料來源：微觀紀元，新藥仿藥 CMC 實操討論，電訊技術，中國電子學會，國盛證券研究所 核心技術路徑：量子計算驅動。核心技術路徑：量子計算驅動。引用中國工程院院士、中電科首席科學家陸軍觀點：“量子科技是新一輪科技革命和產業變革的前沿領域，量子科技的發展具有重大科學意義和戰略價值，是一項對傳統技術體系產生沖擊、進行重構的重大顛覆性的技術創新”。微觀紀元是一家量子計算驅動的 AI4S 研發服務商，現階段公司以生物制藥和新材料研發兩個細分行

106、業作為突破方向，產品包括量子-經典混合集群云平臺、應用量子算法/量子啟發式算法的應用軟件及高精度計算服務等。從量子計算產業鏈來看，主要包括：上游：上游：量子比特監控系統、量子比特環境、量子芯片；中游整機：中游整機：超導、離子阱、光量子、中性原子、半導體等路徑；軟件：軟件：系統軟件 包括量子編程軟件、量子主機軟件）、量子應用軟件 包括藥物、金融、化學化工等領域）；云平臺：云平臺：量子計算云平臺。公司所在賽道為基于量子計算的藥物、化學應用軟件分支。圖表36：微觀紀元為量子應用軟件藥物探索、化學化工中罕有的國內企業 資料來源：2024 全球量子產業發展現狀及展望 光子盒），國盛證券研究所 圍繞量子計

107、算化工應用，與多個國內科研機構以及上下游行業領軍企業建立了深度合作。圍繞量子計算化工應用，與多個國內科研機構以及上下游行業領軍企業建立了深度合作。公司產品主要用于生物醫藥和新材料等化學領域，通過高精度的量子化學計算方法，幫助生物醫藥企業或新材料企業完成分子材料配方設計。通過兩年多的技術及產業經驗積累，目前微觀紀元正在構建一套以量子計算+AI 為基礎的干濕結合實驗及生產平臺，聚焦高效節能生物能源及新材料的研發生產，公司與多個上下游核心客戶達成戰略合作：與阿法納合作發布與阿法納合作發布 MiQro RNA 藥物設計平臺藥物設計平臺。2023 年微觀紀元與阿法納生物合作開發了國內首個基于量子計算和生

108、物醫藥的藥物設計平臺 MiQro RNA；與國儀量子達成戰略合作。與國儀量子達成戰略合作。2023 年 1 月，微觀紀元與國儀量子達成戰略合作關系，就量子計算軟硬件一體化平臺及行業應用領域開展長期合作?；趪鴥x量子在量子計算硬件平臺及相關系統技術上的積淀，結合微觀紀元在量子算法和融合計算平臺等領域的研發優勢，雙方將共同構建硬件、算法、應用一體化的合作流程；與中電信量子達成戰略合作。與中電信量子達成戰略合作。2024 年 1 月，微觀紀元與中電信量子正式簽約開展關于量子技術在產業應用合作，雙方將圍繞量子計算技術及算法的科學研究、產業化研究以及在生物醫藥、新材料等重要領域的應用實現組建聯合攻關團隊

109、；2025 03 09年 月 日 gszqdatemark P.29 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 與量子科技長三角產業創新中心達成戰略合作。與量子科技長三角產業創新中心達成戰略合作。2024 年 3 月中國工程院院士、中國電科集團首席科學家、量子科技長三角產業創新中心主任陸軍一行拜訪微觀紀元，并達成戰略合作意向。創新中心將整合目前長三角量子中心的超導系統，與微觀紀元一同開展應用算法研究，共同開發典型的量子計算應用示范。圖表37：公司量子計算藥物研發平臺 圖表38：公司量子計算電子結構計算平臺 資料來源：微觀紀元官網，國盛證券研究所 資料來源：微觀紀元官網，國盛證券研究所

110、志特新材 志特新材 300986.SZ）：攜手微觀紀元、長三角產業創新中心，進軍）：攜手微觀紀元、長三角產業創新中心，進軍 AI4S 2025 年以來，公司陸續公告成立產業基金、戰略合作協議、合資公司，攜手量子計算“國家隊”，切入 AI4S 材料研發藍海。具體時間線包括：成立產業基金：成立產業基金：2025 年 2 月 19 日，公司設立志特尖晶新材料數智化產業升級基金合伙企業 持股 99.5%）布局新材料智能化研發等領域；與微觀紀元、量子科技長三角產業創新中心簽訂戰略合作協議：與微觀紀元、量子科技長三角產業創新中心簽訂戰略合作協議：2025 年 3 月 3 日，公司與量子科技長三角產業創新中

111、心 由工程院院士陸軍擔任主任，由中電科聯合成立）、合肥微觀紀元 注冊地位于中科大先進技術研究院）簽訂三方戰略協議，共同搭建基于量子科技和 AI 為支撐的新材料研發制造體系，推動量子科技成果轉化與產業化應用。具體分工方面，量子創新中心提供量子科技前沿創新研究、量子硬件支持和關鍵人才支撐；微觀紀元重點負責量子計算和 AI 技術為核心的新材料研發制造平臺搭建；志特新材擬運用市場及產業相關優勢資源，主要負責應用場景需求定義、產品驗證量產以及產業化應用推廣；與微觀紀元成立合資公司 與微觀紀元成立合資公司 志特志特控股）控股）：2025 年 3 月 5 日，公司攜手微觀紀元成立合資公司志特紀元產業科技有限

112、公司（注冊資本 3000 萬元），其中全資子公司橫琴志特持股 51%，后續納入母公司合并報表范圍。通過合資公司的成立，公司進一步推動先前量子計算及 AI 新材料研發相關戰略協議的落地，深化公司與微觀紀元的戰略合作關系，加速相關產品的研發和技術升級以及前沿科技領域的前瞻性布局。量子科技長三角產業創新中心：背靠中電科，量子領域“國家隊”級別研發機構。量子科技長三角產業創新中心：背靠中電科，量子領域“國家隊”級別研發機構。創新中心由蘇州市、相城區、中國電子科技集團、中國電子科學研究院四方共建，由中國工程院院士、中國電科首席科學家陸軍領銜并擔任主任，目前已突破 20 比特量子芯片設計與制造、量子微波測

113、控、量子芯片自動標校、0.9mK 級極低溫制冷、量子-電子混合算力控制等關鍵技術；成功研制了全自主可控的 20 比特超導量子計算機，初步構建量子算力網基礎平臺，形成支撐基礎理論研究、計量基準標定、工業母機研發、產品研制和應用服務等任務的能力。2024 年 5 月成功啟動 100 比特實驗樣機集成聯調聯試，推動 100比特實驗樣機測試驗收。主業方面，公司作為鋁模板龍頭迎“出海大時代”，拐點已至。主業方面，公司作為鋁模板龍頭迎“出海大時代”，拐點已至。公司是國內鋁模板龍頭企業，2014 年開始布局“出?！睒I務，2014 年到 2023 年海外收入從 0.07 億元增長至 3.67億元，十年增長超

114、52 倍。同時，境外鋁模板業務往往具備更優的盈利能力 2024 年上2025 03 09年 月 日 gszqdatemark P.30 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 半年，境外業務毛利率 39.4%，境內業務毛利率 20.4%）。2024 年公司預計實現歸母凈利潤 6500-9500 萬元，其中下半年預計實現 5742.81-8742.81 萬元，相比 2023 年強勢扭虧，拐點已至。5.風險提示風險提示 技術路線技術路線滲透滲透不及預期：不及預期：AI4S 下游潛在應用領域眾多，若下游客戶技術擴散進展低于預期，或對行業需求增速帶來影響。下游盈利不及預期下游盈利不及預期：A

115、I4S 下游產業包括化工、新能源、電子、醫藥等。若下游產業盈利不及預期，導致其縮減研發開支，或對 AI4S 企業收入增速帶來間接影響。計算存在誤差：計算存在誤差：對于市場空間等方面采用權威公開數據測算，若數據來源存在誤差可能導致測算結果出現誤差。2025 03 09年 月 日 gszqdatemark P.31 請仔細閱讀本報告末頁聲明請仔細閱讀本報告末頁聲明 免責聲明免責聲明 國盛證券有限責任公司 以下簡稱“本公司”）具有中國證監會許可的證券投資咨詢業務資格。本報告僅供本公司的客戶使用。本公司不會因接收人收到本報告而視其為客戶。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任

116、何損失負任何責任。本報告的信息均來源于本公司認為可信的公開資料，但本公司及其研究人員對該等信息的準確性及完整性不作任何保證。本報告中的資料、意見及預測僅反映本公司于發布本報告當日的判斷，可能會隨時調整。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司不保證本報告所含信息及資料保持在最新狀態，對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司力求報告內容客觀、公正，但本報告所載的資料、工具、意見、信息及推測只提供給客戶作參考之用，不構成任何投資、法律、會計或稅務的最終操作建議，本公司不就報告中的內容對最終操作建議做出任何擔保。本報告

117、中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。投資者應當充分考慮自身特定狀況，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。投資者應注意，在法律許可的情況下，本公司及其本公司的關聯機構可能會持有本報告中涉及的公司所發行的證券并進行交易，也可能為這些公司正在提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。本報告版權歸“國盛證券有限責任公司”所有。未經事先本公司書面授權，任何機構或個人不得對本報告進行任何形式的發布、復制。任何機構或個人如引用、刊發本報告，需注明出處為“國盛證券研究所”，且不得對本報告進行有悖原意的刪節或修改。分析師聲明分析師聲明 本報

118、告署名分析師在此聲明：我們具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，本報告所表述的任何觀點均精準地反映了我們對標的證券和發行人的個人看法，結論不受任何第三方的授意或影響。我們所得報酬的任何部分無論是在過去、現在及將來均不會與本報告中的具體投資建議或觀點有直接或間接聯系。投資評級說明投資評級說明 投資建議的評級標準投資建議的評級標準 評級評級 說明說明 評級標準為報告發布日后的 6 個月內公司股價 或行業指數）相對同期基準指數的相對市場表現。其中 A 股市場以滬深 300 指數為基準；新三板市場以三板成指 針對協議轉讓標的）或三板做市指數 針對做市轉讓標的）為基準；香港市

119、場以摩根士丹利中國指數為基準，美股市場以標普 500 指數或納斯達克綜合指數為基準。股票評級 買入 相對同期基準指數漲幅在 15%以上 增持 相對同期基準指數漲幅在 5%15%之間 持有 相對同期基準指數漲幅在-5%+5%之間 減持 相對同期基準指數跌幅在 5%以上 行業評級 增持 相對同期基準指數漲幅在 10%以上 中性 相對同期基準指數漲幅在-10%+10%之間 減持 相對同期基準指數跌幅在 10%以上 國盛證券研究所國盛證券研究所 北京北京 上海上海 地址：北京市東城區永定門西濱河路 8 號院 7 樓中海地產廣場東塔 7 層 地址：上海市浦東新區南洋涇路 555 號陸家嘴金融街區 22棟 郵編：100077 郵編：200120 郵箱： 電話：021-38124100 郵箱： 南昌南昌 深圳深圳 地址：南昌市紅歌灘新區鳳凰中大道 1115 號北京銀行大廈 地址：深圳市福田區福華三路 100 號鼎和大廈 24 樓 郵編：330038 郵編：518033 傳真：0791-86281485 郵箱： 郵箱： 2025 03 09年 月 日